R语言怎么给中文分词？

Posted 2021-04-24 大数据DT

原文网址：http://blog.csdn.net/wzgl__wh/article/details/52528925

准备包

    ①rJava包

    ② Rwordseg包

    ③java环境

    ④搜狗词库（此为扩展词库）

Rwordseg包依赖于rJava包。由于Rwordseg包并没有托管在CRAN上面，而是在R-Forge上面，因此在在R软件上面直接输入install.packages("Rwordseg")会提示错误。

因此，我们需要在软件菜单栏点击“程序包”

选择软件库 在选择R-Forge 即可，然后输入install.packages("Rwordseg")应该就OK了。或者输入下面代码：

分词结果为：

"我"    "非常"  "喜欢"  "跟"    "着"    "菜"    "鸟"    "一起"  "学"    "R语言"     "这个"  "微信"  "公众"  "号"  

这就是insertWords函数，其中save参数是指“是否把这个词保存到词典里面”。

   

结果为：

但是如果我们不需要“菜鸟”这个分词了怎么办，这个时候我们就可以使用deleteWords（）函数来从词典中删除这个分词。

这次我们在看看结果。

 "我"    "非常"  "喜欢"  "跟"    "着"    "菜"    "鸟"    "一起"  "学"    "R语言" "这个"  "微信"  "公众"  "号"  

接下来我们使用一下搜狗的扩展词库，由于电影跟新速度较快，我这里下载了搜狗的热门电影大全词库，如何加载使用搜狗词库，点击可以我的另外一条推送。

59391 words were loaded! ... New dictionary 'movie' was installed!

现在我们来测试一下面这个句子： 你喜欢看最后的巫师猎人吗

 "你"             "喜欢"           "看"             "最后的巫师猎人" "吗" 

可以看到“最后的巫师猎人”是一个词，如何我们把movie这个词典删除点会怎么样呢？

"你"   "喜欢" "看"   "最后" "的"   "巫师" "猎人" "吗"  
     

近期精彩活动（直接点击查看）：

END

版权声明：

大数据

为大家提供与大数据相关的最新技术和资讯。

长按指纹 > 识别图中二维码 > 添加关注

近期精彩文章（直接点击查看）：

161224 

161222 

161216 

161213 

161208 

161206 

161205 

161129 

161126 

161122 

161119 

161114 

161112 

161108 

161107 

161105 

161025 

161023 

161016 

161014 

161009  

161001 

更多精彩文章，请在公众号后台点击“历史文章”查看，谢谢。